Comprehending the behavior of an object-oriented system solely from its source code is troublesome, owing to its dynamism. To aid comprehension, visualizing program behavior through reverse-engineered sequence diagrams from execution traces is a promising approach. However, because of the massiveness of traces, recovered diagrams tend to become very large, causing scalability issues. To address the issues, we propose an object grouping technique that horizontally summarizes a reverse-engineered sequence diagram. Our technique constructs object groups based on Pree's meta patterns, in which each group corresponds to a concept in the domain of a subject system. Visualizing interactions only among important groups, we generate a summarized sequence diagram depicting a behavioral overview of the system. Our experiment showed that our technique outperformed the state-of-the-art trace summarization technique in terms of reducing the horizontal size of reverse-engineered sequence diagrams. Regarding the quality of object grouping, our technique achieved an F-score of 0.670 and a Recall of 0.793 on average under the condition of #lifelines (i.e., the horizontal size of a sequence diagram) < 30, whereas those of the state-of-the-art technique were 0.421 and 0.670, respectively. The runtime overhead imposed by our technique was 129.2% on average, which is relatively smaller in the literature.


翻译:仅仅从源代码对一个面向目标的系统的行为进行拼凑是一个麻烦的系统, 因为它具有活力。 为了帮助理解, 通过执行痕迹中的反向工程序列图对程序行为进行视觉化是一个很有希望的方法。 但是,由于痕迹的庞大, 回收的图表往往变得非常大, 造成可缩放问题。 为了解决问题, 我们建议了一种对象分组技术, 横向总结反向工程序列图。 我们的技术根据Pree的元模式构建了对象组, 每个组都与主题系统范围内的概念相对应。 只有重要组之间的交互可视化, 我们制作了一个显示系统行为概览的汇总序列图。 我们的实验显示, 我们的技术在缩小反向工程序列图的横向大小方面超过了最先进的追踪和可缩放技术。 关于对象分组的质量, 我们的技术在#生命线( e. e. 水平序列图的横向大小) 下, 每个组平均的物体组群数为0. 670, 和平均的数为0.793 。 我们的平时技术是相对的0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 平均技术是 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 的 0. 的 0. 0. 0. 0. 0. 0. 的 0. 0. 的 0. 0. 0. 的 0. 的 的 0. 0. 0. 0. 0. 0. 的 0. 0. 0. 0. 0. 0. 0. 0. 的 的 的 的 0. 0. 0. 0. 的 的 0. 0. 的 的 0. 0. 的 的 和 的 的 的 0. 的 的 0. 的 的 的 的 的 的 的 的 0. 0. 0. 0. 0. 0. 0. 0. 的 的 的 的 的 的 的 0. 0. 0. 的 0. 0. 0. 的 0. 0. 的 的 的 的 0. 的 的 的 的 的 的 的 的 0. 0. 的 0. 0. 0. 0. 0. 0. 0.

0
下载
关闭预览

相关内容

Group一直是研究计算机支持的合作工作、人机交互、计算机支持的协作学习和社会技术研究的主要场所。该会议将社会科学、计算机科学、工程、设计、价值观以及其他与小组工作相关的多个不同主题的工作结合起来,并进行了广泛的概念化。官网链接:https://group.acm.org/conferences/group20/
【如何做研究】How to research ,22页ppt
专知会员服务
108+阅读 · 2021年4月17日
【干货书】机器学习速查手册,135页pdf
专知会员服务
122+阅读 · 2020年11月20日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
76+阅读 · 2020年7月26日
商业数据分析,39页ppt
专知会员服务
157+阅读 · 2020年6月2日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
计算机 | ICDE 2020等国际会议信息8条
Call4Papers
3+阅读 · 2019年5月24日
Transferring Knowledge across Learning Processes
CreateAMind
25+阅读 · 2019年5月18日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
计算机 | CCF推荐会议信息10条
Call4Papers
5+阅读 · 2018年10月18日
人工智能 | 国际会议截稿信息9条
Call4Papers
4+阅读 · 2018年3月13日
ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
全球人工智能
19+阅读 · 2017年12月17日
计算机视觉近一年进展综述
机器学习研究会
8+阅读 · 2017年11月25日
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
Arxiv
5+阅读 · 2021年1月7日
VIP会员
相关资讯
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
计算机 | ICDE 2020等国际会议信息8条
Call4Papers
3+阅读 · 2019年5月24日
Transferring Knowledge across Learning Processes
CreateAMind
25+阅读 · 2019年5月18日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
计算机 | CCF推荐会议信息10条
Call4Papers
5+阅读 · 2018年10月18日
人工智能 | 国际会议截稿信息9条
Call4Papers
4+阅读 · 2018年3月13日
ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
全球人工智能
19+阅读 · 2017年12月17日
计算机视觉近一年进展综述
机器学习研究会
8+阅读 · 2017年11月25日
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
Top
微信扫码咨询专知VIP会员